基于有限状态自动机实现高效xml/json解析器

分布式计算的广泛应用，使得浏览器与服务器之间，或者不同的服务器之间的（异构）应用程序之间对话的需求变得十分普遍。在这个背景下，JSON、xml被广泛采用，然而这些通用的数据结构的使用是需要付出昂贵的代价的，主要体现在对cpu资源和io资源的特殊需求上，包括对json/xml数据流的解析产生的计算需求，以及传输过程中tag标签所引起的额外数据输出开销，另外一方面，xml/json作为应用程序基础库，被使用的频率是非常高的，在高并发、高吞吐量情况下，所产生的额外开销是惊人的。

因此，如何选取高效的json/xml解析器，事关应用程序的整体性能。

本人过去开发经历中，使用过很多主流开源json/xml解析器，也曾经花费很长时间寻找高性能解析器，总体感觉是目前的常用解析器性能普遍不好，主要原因有为了符合相关规费，在通用性上考虑的太多，比如对xml namespace的支持等，这些都对解析器在解析过程中产生了一些额外的开销，包括计算上和内存使用上的开销；也有算法上的因素，各种开源的解析器仅开源了代码，并没有开源设计，造成开源的解析器代码比较难于理解。

两年前，发现实在是无法找到符合自己需求的解析器，所以终于下定决心定制开发一个满足特定需求的，尽量通用的最高效的解析器，终于，经过一个多月的开发、重构、调优，开发完成了自认为是最高效的json/xlm解析器，并与一个高效的开源xpath解析器融合起来，开发出一个非常好的“esb产品"，完全配置化，速度性能超一流，完全胜过国外主流ESB产品。

吹牛的话不说了，今天喝了点酒，决定把解析器相关的一部分核心设计贡献出来，主要是json/xml解析器的有限状态自动机设计图，供有共同兴趣的朋友参考，代码暂时不方便贡献了，望理解。

（注：在算法选择上，也是反反复复斟酌了挺长时间，期间也阅读了大量的自动机、词法分析、语法分析、javacc工具等，最终还是选择了基于字符分析的自动机来实现。这个过程中有一些深刻体会，对大学时学的编译理论的理解有了一个很大的提升，通过实践了，发现原来真的很简单。）

上图。

图一：Json解析器level1状态机

图二：Json解析器level2状态机 （readObject)

图三：Json解析器level2状态机 （readArray)